Azure Machine Learning 試験の準備をしているのですが、混乱する質問があります。
あなたは Azure Machine Learning ワークフローを設計しています。200 万枚の大きなデジタル写真を含むデータセットがあります。写真から木の存在を検出する予定です。モデルが以下をサポートしていることを確認する必要があります。
解決策: Multiclass Decision Jungle モジュールを実装する Machine Learning 実験を作成します。これは目標を満たしていますか？
解決策: マルチクラス ニューラル ネットワーク モジュールを実装する Machine Learning 実験を作成します。これは目標を満たしていますか？
最初の質問の答えはいいえ、2 番目の質問の答えははいですが、マルチクラス デシジョン ジャングルは分類子であるため、なぜ目標を達成できないのか理解できません。誰かが私に理由を説明できますか？
これは、同じシナリオを提示する一連の質問の一部であると思います。そして、シナリオには間違いなくいくつかの制約があるはずです。さらに、 Azure のドキュメントを参照すると、次のようになります。
しかし、最近の研究では、多くの層を持つディープ ニューラル ネットワーク (DNN) が、画像や音声認識などの複雑なタスクに非常に効果的であることが示されています。連続するレイヤーは、セマンティックの深さのレベルを上げてモデル化するために使用されます。
したがって、Azure では、画像分類にニューラル ネットワークを使用することをお勧めします。試験の目的は、Azureを使用してデータ サイエンス ソリューションを設計する能力をテストすることであるため、公式ドキュメントを参照として使用することをお勧めします。
他のソリューションと比較すると、次のようになります。
Azure ML Studio モジュールは 2 つしかありません。質問はワークフローの構築に関するものなので、そのうちの 1 つしか選択できないと思います。(CNTK は、ReLU でディープ ニューラル ネットワークを構築できるのに対し、AML Studio では構築できないため、実際には最良のソリューションであり、API 呼び出しはデータ サイエンスに関するものではありません)。
最後に、私は質問がばかげているという他の貢献者に同意します。お役に立てれば。